建筑工程各施工阶段都会产生不同程度的施工扬尘排放,对现场施工人员及管理者造成较为严重的健康危害。因此,对施工现场粉尘产生、运动规律及其浓度的研究是为建筑施工从业人员提前做好防护工作并予以控制的基础,是保护从业人员健康甚至生命的重要手段。本研究阐述了机器学习与神经网络的基本概念,根据BP神经网络的基本理论确定了施工现场PM₁₀浓度预测模型的网络层数、神经元节点数目以及激活函数和训练函数的基本框架,选取风速、空气湿度、环境温度、监测距离四个参数作为BP神经网络PM₁₀浓度预测模型输入层神经元;构建了PM₁₀经呼吸道进入人体的暴露剂量计算模型,基于我国《工作场所有害因素职业接触限值》量化PM₁₀暴露风险,将暴露风险按照PM₁₀导致疾病的发病比例分配至各疾病,根据疾病发病的伤残权重计算PM₁₀健康危害的伤残调整寿命年;基于支付意愿法将PM₁₀健康危害货币化;以南昌市某住宅小区建设项目为评价对象,将BP神经网络PM₁₀浓度预测模型、施工扬尘PM₁₀健康危害风险评价体系应用于该实际工程案例的健康危害评估中,预测得出各监测工作面的理论粉尘浓度均值,运用蒙特卡洛模拟得出各施工阶段施工工人受PM₁₀健康危害风险指数均值及相应的健康危害货币化数值。通过本文的研究可知,在施工扬尘健康危害评估中,可通过PM₁₀经呼吸道进入人体的暴露参数模型及《工作场所有害因素职业接触限值》等统计数据得出PM₁₀暴露健康风险;使用支付意愿法将PM₁₀健康危害货币化可更直观地描述施工粉尘的健康危害;在各施工工作面中,受PM₁₀健康危害较高的工作面为模板拆卸处、地基开挖边缘处、土方回填边缘处、抹灰施工处。目前我国大部分工地的健康管理还得不到足够的重视,相关工作人员的工作环境与生活环境都较为低劣。本研究旨在通过分析不同施工阶段的扬尘健康危害,从而对相应的从业人员提供有针对性的防护措施,以促成一套可行的施工从业人员健康保障体系,切实地改进相关从业人员的工作环境。此外,研究从工程管理的角度,将施工扬尘职业健康危害风险进一步转化为实际健康损害寿命年限,并换算为货币价值,从而为管理者提供更直观的警示与决策依据。